Ce projet évalue les performances des agents génératifs basés sur des LLM dans des tâches d'extraction d'informations en contexte zero-shot ou one-shot, sans données de référence. Il explore des métriques de cohérence pour mesurer la stabilité des extractions entre plusieurs exécutions, en analysant leur relation avec la précision. Les expérimentations portent sur un corpus de documents en santé végétale, avec des stratégies pour générer des paires de documents proches (reformulation, bruit, substitution d'entités, traduction). L'objectif est de comprendre les facteurs influençant la stabilité des résultats et d'améliorer la fiabilité des extractions à grande échelle.